Catatan setiap langkah dalam evolusi yovoice. Dirancang lokal sepenuhnya dan bersumber terbuka, kami terus memperluas batas sintesis vokal, kloning suara, dan komposisi musik—menghidupkan kata-kata dengan suara penuh emosi.
Model Suara: Enam model suara baru: Ming 3.0 TTS, Voxtral TTS, Plapre 3, XTTS v2, Gradium Phonon, dan Fish Audio Drama 3, mencakup suara bawaan, desain suara, dan kloning suara multibahasa; Drama 3 juga mendukung tag pembicara dan acara. Dapat digunakan per peran dalam narasi cerita (memerlukan mesin audio.cpp v0.9.3).
Generasi Musik: Generasi musik mendukung Stable Audio 3 (Small Music, Small SFX, Medium; Q8 / F16): menghasilkan musik instrumental dari deskripsi bahasa Inggris, hingga 2 menit dengan Small dan 6 menit dengan Medium, meremix versi yang sudah ada atau menggambar ulang sebagian. Penambahan fitur "Efek Suara" menghasilkan 1–30 detik efek. Lisensi Komunitas Stability AI (gratis untuk pendapatan tahunan di bawah US$1M).
Mesin Inferensi: Mesin inferensi ditingkatkan ke audio.cpp v0.9.3: memperbaiki kesalahan perhitungan di Metal dan CUDA serta mempercepat beberapa model. Mesin v0.7.4 ke atas tetap berfungsi; pembaruan tersedia di Pengaturan. Mode CUDA baru "Prioritas Kinerja" mempercepat ACE-Step, Qwen3-TTS, YuE2, VoxCPM2, dan Drama 3 dengan menggunakan lebih banyak VRAM.
Pencampuran Suara: Kokoro mendukung pencampuran dua suara dari bahasa yang sama berdasarkan rasio, dapat diatur per peran narasi cerita.
Pembaruan Model: Model yang diunduh menampilkan "Pembaruan tersedia" di Pengaturan saat versi baru dirilis di hulu, dengan pembaruan satu klik dan pemberitahuan bilah sisi yang dapat ditutup; versi lama tetap dapat digunakan.
Pemeriksaan Audio: Pemeriksaan audio otomatis setelah pembuatan: kliping, klik, potongan akhir, hening panjang, atau volume terlalu rendah ditandai di pemutar dan di samping kalimat terkait, dengan detail waktu saat mengarahkan kursor; Ocho juga memeriksa sebelum menyerahkan dan hanya menghasilkan ulang kalimat yang bermasalah.
Kekerasan Target: Ekspor dengan kenyaringan target yang dapat dipilih: buku audio −18, podcast −16, platform video −14 LUFS, dengan puncak di bawah −1 dBTP.
Audio Referensi: Rekaman referensi hingga 10 menit: klip di atas 60 detik dipangkas otomatis ke 5–15 detik suara terjelas, tombol "Pilih Otomatis" tersedia saat memangkas.
Sulih Suara Cerita: Sulih suara cerita dapat langsung menambahkan ucapan, efek suara, dan musik buatan yovoice ke trek; Ocho dapat menambahkan efek suara ke cerita, memperbarui model, dan mengaktifkan "Prioritas Kinerja".
Ducking Audio: Ducking musik latar lebih alami: volume merendah sebelum ucapan dimulai, stabil selama jeda singkat, dan pulih secara halus setelah selesai.
Manajemen Sumber Daya: Tabel Pengaturan › Sumber Daya disederhanakan agar pas di satu layar, dengan tindakan baris dalam menu "Lainnya"; jendela sempit dapat digeser menyamping.
Pesan & Peringatan: Pesan kesalahan lebih jelas: memilih langganan ChatGPT di panel Ocho langsung menjelaskan ketidakcocokan dan memungkinkan beralih kembali; kerusakan mesin saat pembuatan kini bertuliskan "Mesin inferensi keluar tanpa terduga" beserta alasannya, bukan kesalahan jaringan.
Penyempurnaan Antarmuka: Penyempurnaan antarmuka: dialog aset dalam narasi cerita mempertahankan tinggi yang stabil saat beralih jenis, dan bilah gulir editor menempel rapi pada garis pemisah.
v0.4.1 2026-10-21
Pembaruan Otomatis: Memperbaiki masalah pembaruan otomatis macOS yang selalu gagal setelah pengunduhan dengan pesan "Verifikasi pembaruan gagal (codesign) … invalid requirement specification". Bug ini berasal dari pembaru versi 0.3.0–0.4.0, pengguna macOS disarankan mengunduh dan memasang 0.4.1 secara manual sekali; pembaruan berikutnya akan berjalan otomatis.
v0.4.0 2026-10-21
Dukungan Platform Linux: Aplikasi desktop Linux x64 baru: tersedia .deb (Debian/Ubuntu) dan .tar.gz dengan install.sh. Langsung berfungsi dengan mesin CPU bawaan dan dapat mengunduh mesin GPU Vulkan di Pengaturan; memerlukan WebKitGTK 4.1, pembaruan otomatis belum didukung.
Lirik Tersinkronisasi: Lirik kata-demi-kata pada halaman pemutar musik: setiap kata menyala saat dinyanyikan sesuai vokal. Gaya baru "Glow" satu baris per layar dengan kata melayang dan menyala, cocok untuk perekaman layar; dapat mengekspor LRC tingkat kata.
Penyelarasan Cerdas: Model penyelarasan lirik opsional (pemisahan vokal BS-RoFormer + Qwen3 Forced Aligner, sekitar 1,3 GB): "Penyelarasan Cerdas" memisahkan vokal, melewati jeda instrumen, dan meratakan lirik kata demi kata; hasil disimpan bersama versi.
Halaman Pemutaran: Halaman pemutar musik disegarkan: bilah judul imersif di macOS; kalibrasi, penyelarasan, dan ekspor disatukan dalam menu "Alat Lirik"; efek visual dan pengguliran lirik lebih halus. Fitur baru "Sesuaikan Waktu Lirik" dapat mengaitkan baris ke posisi putar atau menggeser 0,1/0,5 detik (←/→); kata dapat diseret di garis waktu.
Pengurangan Ukuran: Ukuran penginstal lebih kecil: data pelafalan Kokoro (sekitar 10 MB) kini diunduh bersamaan saat model Kokoro pertama kali diunduh.
Pengaturan Fitur: Pengaturan › Umum menambahkan "Tampilan Fitur", dapat menyembunyikan sulih suara cerita, pembuatan musik, dan asisten Ocho; pengaturan layanan AI otomatis disembunyikan saat keduanya nonaktif.
Optimasi Kinerja: Peluncuran lebih cepat dan antarmuka lebih mulus: memperbaiki masalah macet di layar pembuka saat ada audio panjang 20–30 menit; halaman hanya dimuat saat pertama kali dibuka; pembuatan dan unduhan tidak lagi menggambar ulang seluruh UI.
Perbaikan Ekspor: Memperbaiki ekspor musik di atas dua menit yang tidak merespons di Windows dan Linux; batas ekspor garis waktu panjang juga dihapus. Bilah alat pemutar kini memiliki "Buka Lokasi", ekspor dipindahkan ke menu "Lainnya".
Unduhan Mirror: Memperbaiki masalah kegagalan verifikasi ukuran saat mengunduh model dari cermin ModelScope setelah pembaruan cermin.
Kompatibilitas Sistem: Persyaratan sistem minimum penginstal Windows kini diperluas ke Windows 10 1809 (17763) ke atas.
Migrasi Data: Saat peningkatan, proyek tersimpan, percakapan asisten, dan catatan mesin dikonversi ke format baru satu kali, dengan pencadangan basis data otomatis terlebih dahulu.
v0.3.1 2026-10-19
Perbaikan Stabilitas: Memperbaiki kerusakan saat peluncuran di macOS 26 yang disebabkan oleh tombol bilah sisi di bilah judul.
Perbaikan Tampilan: Memperbaiki halaman panjang di Windows yang tertutup blok hitam besar; area gulir utama kini menampilkan bilah gulir tipis berwarna terang.
v0.3.0 2026-10-19
Asisten AI: Temui Ocho, asisten AI bawaan (⌘J / Ctrl+J): buat dan edit proyek, tulis lirik dan partitur, pilih suara, sesuaikan parameter, dan mulai pembuatan melalui obrolan. Ocho memahami pilihan dan hasil terbaru, mengingat preferensi, serta mengonfirmasi sebelum tindakan berbahaya.
Melodi & Partitur: Lagu YuE2 dapat dimulai dari partitur melodi: tulis atau ekstrak melodi dan akord, lihat sebagai notasi balok, trek, atau ABC, pratinjau dengan sound font (catatan menyala saat dimainkan), edit, urungkan, ekspor .abc, lalu buat lagu penuh berdasarkan partitur. Menambahkan lagu instrumental dan cover via SheetSage2.
Novel & Subtitel: Impor novel untuk narasi cerita (TXT, Markdown, EPUB), ekspor subtitle SRT/WebVTT, ekspor lirik LRC, dan perbandingan versi lagu berdampingan di halaman pemutar.
Sumber Daya & Log: Halaman pengaturan baru: Sumber Daya untuk menemukan dan membersihkan audio yang tidak digunakan, Log dengan bundel diagnostik, halaman model Suara dan Musik terpisah dengan pengalih presisi, dan ChatGPT (Codex) sebagai penyedia AI.
Dukungan Multibahasa: Antarmuka kini mendukung Bahasa Tionghoa Tradisional, Jepang, Korea, Spanyol, Prancis, Jerman, Portugis (Brasil), Rusia, Italia, dan Vietnam, disertai animasi pembuka, tur fitur, dan gerakan yang lebih halus.
Default & Dokumen API: Proyek baru secara default menggunakan model yang telah diunduh; yovoice serve menyediakan dokumentasi API interaktif di /docs/; proyek partitur dipindahkan ke bawah Musik sebagai "Generasi Aransemen".
v0.2.1 2026-10-16
Unduhan Langsung: Menambahkan unduhan langsung Kokoro-82M 1.1-zh dari Hugging Face dan ModelScope, menyederhanakan pengelolaan model melalui aplikasi atau CLI dengan deteksi otomatis model lengkap di direktori.
Peluncuran Pertama: Menambahkan panduan persiapan penggunaan pertama, sintesis suara cepat, penghapusan massal audio referensi, penamaan file audio yang mudah dibaca, dan pembersihan file bersama yang lebih aman.
Pemutaran Musik: Halaman pemutar musik lengkap dengan sinkronisasi lirik, penyelarasan dan kalibrasi vokal, batas durasi aransemen yang ditingkatkan, penamaan AI, dan pengeditan gaya.
Penyimpanan SQLite: Memindahkan proyek, suara, model, dan pengaturan ke penyimpanan SQLite transaksional dengan pencadangan, migrasi dari state.json, pemindahan lokasi penyimpanan, dan pemulihan kegagalan.
Keandalan Desktop: Meningkatkan keandalan desktop di Windows dan macOS, termasuk pemulihan layanan lokal, pembersihan proses, perilaku baki sistem, tata letak jendela sempit, lokalisasi UI Windows, pemeriksaan tanda tangan, dan pembaruan otomatis.
Impor Format: Menambahkan Breeze TTS 2, impor file teks dan subtitle, peningkatan integrasi MCP dan API lokal, OrcaRouter, dan penanganan kesalahan audio, migrasi, disk, serta penyimpanan yang lebih jelas.
v0.2.0 2026-10-11
Generasi Musik: Proyek Musik baru: tentukan gaya dengan tag, tulis lirik dengan penanda bagian atau beralih ke instrumental, dan hasilkan lagu lengkap dengan ACE-Step 1.5 Turbo / XL Turbo atau YuE2 3B (lagu vokal dengan durasi mengikuti lirik; CC BY-NC 4.0, non-komersial). Setiap hasil disimpan sebagai versi untuk pratinjau, perbandingan, dan ekspor. Mendukung pengunduhan model banyak berkas.
Studio Aransemen: Proyek Partitur baru: tulis not per trek berdasarkan birama dan ketukan, impor MIDI, atau biarkan agen menyusun, lalu render setiap trek dengan font suara General MIDI dan mix per peran. Area trek di bagian bawah jendela dengan timeline, zoom, pengguliran, dan playhead; ekspor MIDI atau JSON partitur. Pilihan font suara: MuseScore General, GeneralUser GS, atau SGM-V2.01. CLI menambahkan perintah stem, MCP menambahkan render_score, dan Agent Skill menambahkan panduan partitur.
Penyedia AI: Penyedia AI opsional (DeepSeek, Qwen, Zhipu, Kimi, Doubao, MiniMax, OpenAI, Anthropic, OpenRouter, paket koding, titik akhir lokal dan kustom) menulis seluruh partitur atau gaya lagu, lirik, dan judul dari satu kalimat, berjalan di latar belakang, dan dapat beralih model kapan saja.
Penyempurnaan Antarmuka: Penyegaran antarmuka: daftar proyek bergaya tiket dengan sampul piringan hitam dan kaset pita, pengaturan yang dikelompokkan, halaman font suara terpisah, tombol sakelar panel samping di bilah judul, dan petunjuk melayang yang hanya muncul jika teks terpotong atau ikon membutuhkan penjelasan.
Mesin Inferensi: Mesin audio.cpp ditingkatkan ke v0.9.1 dan diperbarui terpisah dari aplikasi; penginstal Windows CUDA 12.4 dan 13.3 baru.
Perbaikan Bug: Perbaikan untuk permintaan AI panjang yang habis waktu, penyimpanan saat keluar, penyimpanan zona waktu Windows, menu garis waktu, penghapusan proyek terakhir, serta pesan kesalahan dan log diagnostik yang lebih jelas.
v0.1.7 2026-10-05
Layanan Jarak Jauh: Layanan suara jarak jauh baru dengan HTTP API dan MCP: kirim, periksa, batalkan, dan unduh tugas pembuatan dengan autentikasi, deduplikasi percobaan ulang, dan batas waktu.
Agent Skill: Agent Skill mendukung CLI lokal dan layanan jarak jauh; panduan pengguna dan paket CLI menyediakan dokumentasi lengkap.
Penyimpanan & Diagnostik: Memperbaiki laporan kesalahan penyimpanan Windows dan menyediakan pencadangan pemulihan saat keluar; meningkatkan log diagnostik.
v0.1.6 2026-10-01
Interpretasi Karakter: Simpan beberapa gaya pembawaan per karakter dengan model dan parameter terpisah, dapat digunakan di proyek cerita dan suara.
Ukuran Kontrol: Menyelaraskan dan menyatukan ukuran dropdown gaya, tombol tambah, dan tombol lainnya.
Kontrol Trek: Memperbaiki area pengubah ukuran trek yang menghalangi tombol putar; menyeret hanya aktif di dekat pembatas atas dengan ikon yang lebih ringkas.
Ikon Aplikasi: Menghapus cincin sorotan dari dasar ikon aplikasi, membersihkan artefak tepi transparan, dan mengalibrasi bantalan ikon macOS.
v0.1.5 2026-09-29
Proyek Cerita: Memperkenalkan proyek Narasi Cerita dan Pembuatan Suara dengan impor subtitle, pembuatan tersegmentasi, dan trek yang dapat diedit.
Pengeditan Audio: Menambahkan pemangkasan trek audio, urungkan/ulangi, pencampuran, dan ekspor WAV, dengan ekspor arsip proyek, impor, dan pemulihan.
Model Resmi: Menambahkan unduhan satu klik untuk model resmi Kokoro BF16.
Catatan Rilis: Menambahkan log perubahan versi, diterbitkan secara otomatis ke halaman Rilis GitHub.
Pelacakan Pemutaran: Menghapus pembuatan massal untuk kalimat yang tertunda; pemutaran kini secara terus-menerus mengikuti teks naskah saat ini.
Kenyamanan Interaksi: Meningkatkan zoom trek, pengguliran, penyeretan klip, dan magnet snapping; menyatukan gaya playhead peran tunggal dan multi.
Gaya Popover: Memperbaiki gaya popover dropdown pada WebKit lama; pemberitahuan tidak lagi menggeser tata letak meja kerja.
Adaptasi Jendela: Meningkatkan adaptasi ukuran jendela dan persistensi posisi Windows, serta keandalan peluncuran aplikasi dan margin ikon macOS.
v0.1.4 2026-09-26
Pustaka Karakter: Menambahkan Pustaka Karakter untuk menyimpan dan menggunakan kembali suara serta pengaturan suara, berbagi alur kerja pengeditan dengan studio.
Model Resmi: Menambahkan unduhan model resmi Kokoro Q8 dengan 49 suara bawaan; mendukung impor versi multibahasa dan Tionghoa eksperimental.
Manajemen Suara: Menyempurnakan pustaka suara, riwayat pembuatan, klip audio referensi, dan teks asli dengan pencarian terpadu, avatar, dan modal.
Perbaikan Izin: Memperbaiki kerusakan panggilan balik izin mikrofon macOS dan meningkatkan kompatibilitas dengan pemilih dropdown lama.
Perbaikan Pengkodean: Memperbaiki masalah kapasitas encoder VoxCPM2 saat menggunakan klip audio referensi yang lebih panjang.
Pembersihan Proses: Memastikan layanan latar belakang menunggu hingga pembersihan selesai sebelum keluar; mempertahankan perbaikan kompatibilitas Windows.
v0.1.3 2026-09-19
Adaptasi Jendela: Menyempurnakan batas jendela Windows, pengguliran, menu asli, dan kotak dialog aplikasi.
Jaringan & Proksi: Menambahkan sakelar proksi dan penyimpanan pengaturan otomatis; meningkatkan pemosisian menu dropdown.
Perbaikan Jalur: Memperbaiki penanganan jalur direktori arsip unduhan Windows dan meningkatkan kompatibilitas build .NET 8.
v0.1.2 2026-09-18
Ekspansi Model: Menambahkan model OmniVoice dan Qwen3-TTS dengan parameter desain suara, kloning, dan pembuatan khusus.
Antarmuka Bahasa Inggris: Menambahkan antarmuka pengguna bahasa Inggris dengan preferensi bahasa serta menu dan tooltip macOS yang dilokalkan.
Penataan Panel: Menata ulang preferensi, manajemen folder model, dan panel kontrol pembuatan audio.
Pembaruan Otomatis: Memperbaiki urutan argumen yang salah untuk verifikasi arsitektur lipo selama pembaruan otomatis macOS.
v0.1.1 2026-09-16
Ekspansi Model: Menambahkan VoxCPM2 Q8 dan BF16 dengan desain suara, kloning, dan kloning berbantuan transkrip di Aplikasi dan CLI.
